1. 天才を100人雇った。全員、仕事票が来ないので休憩室にいる
生成AIがすごい。コードが書ける。文章が書ける。調査もできる。翻訳もできる。巨大な知識コーパスにもアクセスできる。
ここまで聞くと、明日には全員が一人会社を10社くらい経営していそうである。
しかし現実には、そこで止まることが多い。
「で、何を作るの？」
この一言である。
どれだけ高性能なAIがいても、仕事の入口が空白なら何も始まらない。フェラーリを100台並べても、目的地が未入力なら駐車場が豪華になっただけだ。
AI時代に不足しやすいのは、必ずしもモデル性能ではない。
能力へ最初の仕事を与える人である。
2. 強いのは「完成された大発明」より、最初の火花を出せること
アイデア力というと、「誰も考えたことのない革命的発明を突然ひらめく能力」を想像しやすい。
実際には、もっと地味で、もっと強い能力がある。
- ここ、めんどくさい
- これとこれをつなげられないか
- 今ある機能を別用途に使えないか
- そもそも、なぜこの作業が必要なのか
- とりあえず最小構成を作ったら何が見えるか
こういう着火点を作る能力だ。
最初の案は完成していなくていい。むしろ重要なのは、次の思考が発生する足場を置くことだ。
何もない机では議論が始まりにくい。しかし雑でも試作品が一個置かれると、「ここが変」「これは使える」「なら次はこう」が一斉に出てくる。
最初の一手は、答えではない。
次の答えを大量発生させる装置である。
3. 「アイデア力」は一個の能力ではない
この能力を分解すると、少なくとも次の部品がある。
| 能力 | 何をしているか |
|---|---|
| 拡散 | 一つの問題から複数の可能性を出す |
| 類推 | 別分野の仕組みを持ってくる |
| 再結合 | 既存部品A+BからCを作る |
| 問題発見 | 与えられた問題より手前の不便を見つける |
| 再フレーミング | 「本当に解くべき問い」を切り直す |
| 収束 | 出た案の中から実装するものを選ぶ |
| 分解 | AIが処理できる仕事単位へ落とす |
| 着手 | とりあえず最初の現物を作る |
| 再発想 | 動いた現物を見て次を思いつく |
心理学でいう拡散思考は、このうち重要な一部分だ。APAは拡散思考を、一般的・既習の方法から外れた戦略で問題解決や意思決定を行う創造的思考として説明している。
ただし、拡散思考テストの成績だけで現実の創造性全体を測れるわけではないという注意もある。
つまり「案をいっぱい出せる」だけでは足りない。
案を切り直し、選び、形にし、また考えるところまでが実戦である。
4. 創造は「生成→探索→また生成」の往復でできている
創造的認知の研究には、アイデアを一発で完成させるのではなく、まず候補を生成し、それを探索・評価し、必要ならまた生成へ戻るという考え方がある。いわゆるGeneploreモデルである。
これをAI開発に置き換えると、ものすごく分かりやすい。
- 思いつく
- AIと壁打ちする
- 雑な仕様にする
- 作る
- 動かす
- 「違うな」と気づく
- 別の切り口を思いつく
- また作る
つまり、アイデアは実装前に完成する必要がない。
実装そのものが思考工程に入っている。
ここが昔との大きな差だ。
試作品を作るのに三か月かかる世界では、頭の中でかなり考えてから着手したくなる。
三十分で形が出る世界では、試作品自体を思考メモとして使える。
アイデア力と実装力が別部署ではなくなる。
5. 「マルチタスク無理」は、人間が全部やる前提なら正しい
「そんなに色々同時にできない」
その通りである。
人間が10案件の仕様、コード、調査、確認、修正を同時に頭へ載せたら、だいたい脳内ブラウザのタブが全部白くなる。
しかし、ここで前提を変えればいい。
人間がマルチタスクする必要はない。システムに並列処理させる。
人間が持つのは、
- 何をしたいか
- 何が重要か
- どこまで許容するか
- どの結果を採用するか
でよい。
その後は、
- 調査
- 仕様化
- 実装
- テスト
- 翻訳
- 監査
を独立できる範囲で分け、AIへ渡す。
「自分はマルチタスクが苦手だからAI活用は無理」ではない。
むしろマルチタスクが苦手なら、自分の頭から仕事を追い出して責務として外部化する設計の価値が上がる。
6. 巨大コーパスは資材置き場であって、建築計画ではない
AIやコーパスがどれだけ巨大でも、それ自体は「何を作るべきか」を保証しない。
木材、鉄、ガラス、工具、重機を全部そろえた超巨大ホームセンターを想像してほしい。
すごい。
でも客が「何を建てるか」を決めなければ、ホームセンターはホームセンターのままである。
AIも似ている。
情報を出せる。 比較できる。 コードを書ける。 案も出せる。
しかし、
「この不便を消したい」 「この二つをつないだら面白い」 「この体験を一段上へ持っていきたい」
という方向ベクトルが入った瞬間、能力が仕事へ変わる。
AIの価値を引き出す人は、AIより知識量が多い必要はない。
AIへ「どこを掘れ」と言える必要がある。
7. 問題を解く前に、問題を作り直せる人が強い
デザイン研究では、複雑で開かれた問題に対して「フレームを作ること」が重要な実践として論じられてきた。Dorstは、組織が難しい問題状況を扱う際、問題の見方そのものを作り直すフレーミングに注目している。
これはAI時代にさらに重要になる。
AIへ「これをやって」と頼めば、頼んだ問題を猛烈な速度で解くことがある。
だからこそ怖い。
問題設定がズレたまま、超高速で正解っぽいものを量産できる。
本当に強い問いは、
「どうやってこの作業を速くする？」
だけではない。
「この作業、そもそも必要？」 「ユーザーが欲しいのは作業の高速化？ それとも作業そのものが消えること？」 「別の入口から解けない？」
まで戻る。
AIが回答機として強くなるほど、人間側の問題設定はレバレッジが大きくなる。
8. 実装が速いと、アイデアが増える。これは地味にヤバい
生成AIには、特定の知識労働で所要時間を短縮し品質を上げた実験結果がある。NoyとZhangの実験では、対象となった職業的文章作成課題で平均所要時間が40％減り、評価品質が18％上がった。
もちろん、これはすべての仕事が40％速くなるという意味ではない。
重要なのは別の点だ。
試すコストが下がると、試せる回数が増える。
そして試す回数が増えると、現物から得られる情報も増える。
- 本当に使えるか
- 想像よりダサいか
- 別用途の方が強いか
- 隣の機能とつながるか
- ユーザーが迷う場所はどこか
こうした情報は、頭の中だけでは出にくい。
だから、
発想 → 実装 → 観察 → 再発想
が短くなるほど、アイデアは単発ではなく連鎖になる。
実装速度は、単なる生産性ではない。
発想装置の回転数でもある。
9. ただしAIにアイデアを全部出させると、みんな同じ山に登る危険もある
生成AIはアイデア支援にも使える。
一方で、DoshiとHauserの実験では、生成AIのアイデア支援を受けた個人の短編作品は平均的に高く評価された一方、AI支援作品同士の類似性が高まり、集合全体としての多様性が低下した。
ここは重要である。
AIに「面白い案を10個」と毎回聞くだけだと、全員が同じ観光バスに乗る可能性がある。
だから人間側の価値は消えない。
- 自分が実際に面倒だと思ったこと
- 現場で見つけた違和感
- 既存システムの癖
- 別分野から持ってきた比喩
- 変な組み合わせ
- 「それ普通そうするけど、本当に？」という反論
こうした独自の入力が、AIの巨大コーパスに方向と偏りを与える。
AIに全部考えてもらうのではない。
人間が変な石を一個投げ、AIに波紋を増幅してもらう。
その方が面白い。
10. 最強ループは「思いつく→一文にする→分ける→投げる→見る→また思いつく」
結局、実務ではこれくらい単純でいい。
① きっかけ 「これ、こうなったら便利じゃない？」
② 一文 何を、誰に、どう変えたいかを一文にする。
③ 分解 調査、設計、実装、確認など、独立できる責務へ割る。
④ 委任 AIへ担当を渡す。人間が全部を同時に抱えない。
⑤ 現物 文章、画面、コード、結果など、とにかく見えるものを出す。
⑥ Readback 本当に狙った状態になったかを読む・触る・検証する。
⑦ 再発想 「これできるなら次これもできる」が出る。
この最後の⑦があるから終わらない。
一個の実装が、次のアイデアの材料になる。
機能Aができる。 AがあるからBを思いつく。 BができるとA+B=Cになる。 Cができると「そもそもサービス全体をDとして再定義できるのでは？」になる。
最初は小さな火花だったのに、気づいたら発電所が建っている。
11. 罠は「思いつく速度」が「整理する速度」を超えること
この方式には明確な副作用がある。
アイデアが次々出て、実装も速いと、システムが増築に増築を重ねる。
そしてある日、配線を開ける。
誰だこれ作ったの。
昨日の自分である。
対策は、発想を止めることではない。
- 正本を増やしすぎない
- 同じ責務の仕組みを二重に作らない
- 既存機能へ統合できるなら統合する
- 独立タスクだけ並列化する
- 実装後に必ずreadbackする
- 重要変更には品質ゲートを置く
- 「作れる」と「今作るべき」を分ける
高速な発想には、高速な整理が必要になる。
アクセルを弱くするより、ハンドルとブレーキを強くする。
12. 結論：AI時代の強さは「AIを使える」より「AIに仕事を発生させられる」
AIのモデル性能は上がり続ける。
知識量も増える。 コードも文章も速くなる。 複数のAIを同時に動かすことも簡単になる。
すると人間側の希少能力は少しずつ移る。
「自分で全部作れる」から、
何を作るかを見つける。 最初のきっかけを作る。 問題を切り直す。 仕事を分ける。 AIへ渡す。 現物を見る。 そこから次を思いつく。
へ。
AIは巨大な能力である。
しかし能力は、仕事が与えられるまで待機している。
だから強いのは、AIより速くコードを書く人だけではない。
「あ、これ作れるんじゃね？」と最初の一言を言える人である。
天才AIを100人雇った会社で、最初に必要なのは101人目の天才ではない。
仕事票に最初の一行を書く人なのだ。
